多源信息融合的民航发动机性能预测方法研究

目录

第1章 绪 论

1.1 课题背景及研究的目的和意义

1.2 民航发动机性能预测发展现状

1.2.1 多源信息融合技术及民航发动机简介

1.2.2 多部件系统建模研究现状

1.2.3 发动机性能诊断研究现状

1.2.4 发动机健康趋势预测技术研究现状

1.2.5 发动机修后性能预测研究现状

1.2.6 跨机队修后性能预测研究现状

1.3 本文的主要研究内容

第2章 数据-知识融合的多部件系统跨层级建模

2.1 引言

2.2数据-知识融合的多部件系统跨层级建模问题描述

2.3 数据-知识融合的TLML可行性信息准则及证明

2.3.1 信息准则推导、证明及其数学内涵

2.3.2不可辨识局部模型的融合

2.4 多部件闭环系统的通用TLML建模方法

2.4.1 通用TLML方法的损失函数定义

2.4.2 通用TLML方法的局部模型训练算法

2.5 通用TLML算法对多部件闭环仿真系统的建模

2.5.1 数学实验数据及实验安排

2.5.2 实验结果及讨论

2.6 本章小结

第3章 基于多部件系统建模的发动机部件性能诊断

3.1 引言

3.2 航空发动机性能诊断问题描述及部件性能衰退特性分析

3.3 基于数据-知识融合TLML方法的发动机性能建模

3.3.1发动机传感器布置方案简析

3.3.2发动机部件工作特性建模方法分析

3.3.3 发动机的TLML建模推理图构建

3.4 多源信息融合的发动机部件衰退因子求解

3.4.1 基于改进UKF的内涵道部件衰退因子求解

3.4.2 平稳巡航条件与数据融合的风扇部件衰退因子求解

3.5发动机部件性能诊断实验

3.5.1 实验数据及实验安排

3.5.2 实验结果及讨论

3.6 本章小结

第4章 基于多元参数轨迹相似性的整机性能趋势预测

4.1 引言

4.2基于多元参数轨迹相似性的性能趋势预测问题描述

4.3 基于统计距离的序列化高斯元聚合方法（DBSA-GMM）

4.3.1 多元参数轨迹之间的统计距离估计

4.3.2 基于降序聚合方法的概率密度函数估计

4.4 DBSA-GMM在航空发动机性能趋势预测方面的应用

4.4.1实验数据及实验安排

4.4.2 实验结果及分析

4.4 本章小结

第5章 多源信息融合的发动机修后性能预测

5.1 引言

5.2 多源信息融合的发动机修后性能预测问题描述

5.3 自编码器与梯度提升算法结合的特征融合方法

5.3.1 卷积自编码器简介

5.3.2 极端梯度提升简介

5.3.3 发动机维修前多元参数序列的特征提取

5.3.4 发动机维修工作范围数据特征提取

5.4 发动机修后性能预测实验

5.4.1 实验数据及实验安排

5.4.2 实验结果及讨论

5.5 本章小结

第6章 基于特征翻译理论的跨机队修后性能预测

6.1 引言

6.2 基于翻译学习理论的跨机队修后性能预测方法

6.2.1 跨机队的修后性能预测迁移学习问题分析

6.2.2 自编码网络与回归模型联合迁移过程

6.3 跨机队的发动机修后性能预测实验

6.3.1 实验数据及实验安排

6.3.2 实验结果及讨论

6.4 本章小结

结论

参考文献

攻读博士学位期间发表的论文及其它成果

声明

致谢

个人简历